💼 Практическая задача для ML-инженеров и квантов от Wunder Fund
Вместо классических тестовых заданий HFT-фонд Wunder Fund запустил открытое соревнование Alfa Connectome. Это отличная возможность для тех, кто хочет попробовать свои силы в алгоритмическом трейдинге.
Суть задачи:
Необходимо изучить исторические торговые данные для двух связанных инструментов (ордербуки, сделки и другие параметры). По этой информации требуется построить модель, предсказывающую индикаторы будущей цены одного из инструментов.
Особенности:
1) Работа строится на реальных биржевых маркет-данных. В этот раз организаторы предоставили гораздо больший датасет по сравнению с прошлыми задачами.
2) По сути, это классическая задача кванта, с которой они регулярно сталкиваются в работе.
Перспективы:
Авторы лучших решений получают приглашение на техническое собеседование в фонд. Для справки: Wunder Fund занимается высокочастотным алготрейдингом с 2014 года, торгует на традиционных и криптобиржах, а их дневной оборот составляет около $10 млрд. Также предусмотрены денежные призы: общий фонд составляет $13,600.
📅 Сроки проведения: 11 сентября — 15 ноября.
🔗 Подробное описание датасета и задачи
Вместо классических тестовых заданий HFT-фонд Wunder Fund запустил открытое соревнование Alfa Connectome. Это отличная возможность для тех, кто хочет попробовать свои силы в алгоритмическом трейдинге.
Суть задачи:
Необходимо изучить исторические торговые данные для двух связанных инструментов (ордербуки, сделки и другие параметры). По этой информации требуется построить модель, предсказывающую индикаторы будущей цены одного из инструментов.
Особенности:
1) Работа строится на реальных биржевых маркет-данных. В этот раз организаторы предоставили гораздо больший датасет по сравнению с прошлыми задачами.
2) По сути, это классическая задача кванта, с которой они регулярно сталкиваются в работе.
Перспективы:
Авторы лучших решений получают приглашение на техническое собеседование в фонд. Для справки: Wunder Fund занимается высокочастотным алготрейдингом с 2014 года, торгует на традиционных и криптобиржах, а их дневной оборот составляет около $10 млрд. Также предусмотрены денежные призы: общий фонд составляет $13,600.
📅 Сроки проведения: 11 сентября — 15 ноября.
🔗 Подробное описание датасета и задачи
#middle #удаленка
AYROSA
Python Developer / AI Engineer (Document Processing)
Формат работы: можно удалённо
☑️ Чем предстоит заниматься
-Разбирать и обрабатывать документы в форматах Excel, PDF и сканы
-Извлекать табличные данные из документов
-Нормализовать даты, номера документов, суммы и другие поля
-Проектировать и реализовывать логику сопоставления данных
-Выявлять расхождения между двумя источниками
-Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации
-Интегрировать OCR и Document AI-инструменты
-При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений
-Разрабатывать backend/API для сервиса
-Участвовать в проектировании архитектуры MVP
-Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных
☑️ Наши пожелания к кандидатам
-Коммерческий опыт разработки на Python от 3 лет
-Уверенное владение Python
-Опыт работы с pandas и табличными данными
-Опыт обработки Excel / CSV
-Опыт парсинга PDF
-Опыт разработки backend-сервисов и REST API
-Понимание алгоритмов сопоставления, нормализации и очистки данных
-Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ
-Опыт работы с Git
-Будет плюсом:
-Опыт с OCR: Tesseract, PaddleOCR или аналогами
-Опыт с PyMuPDF, pdfplumber, Camelot, Tabula
-Опыт с fuzzy matching
-Опыт работы с Document AI / Intelligent Document Processing
-Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов
-Опыт разработки систем reconciliation / data matching
-Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами
-Опыт On-Premise решений
-Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI
Контакты: hello@ayrosa.dev
AYROSA
Python Developer / AI Engineer (Document Processing)
Формат работы: можно удалённо
☑️ Чем предстоит заниматься
-Разбирать и обрабатывать документы в форматах Excel, PDF и сканы
-Извлекать табличные данные из документов
-Нормализовать даты, номера документов, суммы и другие поля
-Проектировать и реализовывать логику сопоставления данных
-Выявлять расхождения между двумя источниками
-Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации
-Интегрировать OCR и Document AI-инструменты
-При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений
-Разрабатывать backend/API для сервиса
-Участвовать в проектировании архитектуры MVP
-Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных
☑️ Наши пожелания к кандидатам
-Коммерческий опыт разработки на Python от 3 лет
-Уверенное владение Python
-Опыт работы с pandas и табличными данными
-Опыт обработки Excel / CSV
-Опыт парсинга PDF
-Опыт разработки backend-сервисов и REST API
-Понимание алгоритмов сопоставления, нормализации и очистки данных
-Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ
-Опыт работы с Git
-Будет плюсом:
-Опыт с OCR: Tesseract, PaddleOCR или аналогами
-Опыт с PyMuPDF, pdfplumber, Camelot, Tabula
-Опыт с fuzzy matching
-Опыт работы с Document AI / Intelligent Document Processing
-Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов
-Опыт разработки систем reconciliation / data matching
-Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами
-Опыт On-Premise решений
-Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI
Контакты: hello@ayrosa.dev
#вакансия #mlops #dataengineering #healthtech #fulltime #москва
Вакансия: Data / ML Platform Engineer (Middle+ / Senior)
Компания: AstraTech
Формат: гибридный / удаленный по РФ
Локация: Москва
Занятость: full-time
Вилка: 280 000 - 400 000 ₽ гросс
HealthTech стартап создает продукт поддержки врачебных решений, который делает процессы в здравоохранении эффективнее и помогает врачам принимать более точные решения 🕊
Сейчас команда строит Data Platform и ML / LLM Platform. Это единый путь данных: от загрузки из разных источников до измеренного результата модели. Команда ищет инженера, который возьмет на себя подготовку данных и инструменты для ML-команды и сможет сам проводить эксперименты с моделями.
Вам предстоит:
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем.
— Проектировать таблицы хранилища: сущности, связи, правила преобразования.
— Встраивать псевдоанонимизацию и проверки качества в потоки данных.
— Готовить признаки и версионируемые train/validation/test-выборки.
— Обеспечивать прослеживаемость и воспроизводимость ML / LLM-экспериментов.
— Вместе с ML-командой развивать оценку моделей, подготовку данных для RAG и дообучения.
Ожидаем от вас:
— Уверенные Python и SQL, поддерживаемый код за пределами ноутбуков.
— Практический опыт ETL / ELT: оркестрация, инкрементальная обработка, повторные запуски.
— Опыт с S3, Parquet, pandas / Polars / PyArrow.
— Понимание жизненного цикла ML: выборки, baseline, метрики, проверка утечек.
— Опыт с MLflow, ClearML или аналогами; Linux, Git, Docker, CI/CD.
— Умение работать с чувствительными данными.
Будет плюсом:
— Опыт с медицинскими данными, МИС и клиническими справочниками.
— Практический NLP / LLM: извлечение данных из текста, embeddings, RAG.
— PyTorch / Hugging Face, дообучение и inference на GPU.
— Опыт превращения исследовательского прототипа в регулярный пайплайн.
Почему интересно:
— Проект, который действительно приносит пользу людям.
— Возможность строить платформу с нуля и влиять на архитектуру.
— Работа на стыке Data Engineering, MLOps и LLM с современным стеком.
Направляйте ваши отклики с резюме - @Inga_IT 📩
Вакансия: Data / ML Platform Engineer (Middle+ / Senior)
Компания: AstraTech
Формат: гибридный / удаленный по РФ
Локация: Москва
Занятость: full-time
Вилка: 280 000 - 400 000 ₽ гросс
HealthTech стартап создает продукт поддержки врачебных решений, который делает процессы в здравоохранении эффективнее и помогает врачам принимать более точные решения 🕊
Сейчас команда строит Data Platform и ML / LLM Platform. Это единый путь данных: от загрузки из разных источников до измеренного результата модели. Команда ищет инженера, который возьмет на себя подготовку данных и инструменты для ML-команды и сможет сам проводить эксперименты с моделями.
Вам предстоит:
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем.
— Проектировать таблицы хранилища: сущности, связи, правила преобразования.
— Встраивать псевдоанонимизацию и проверки качества в потоки данных.
— Готовить признаки и версионируемые train/validation/test-выборки.
— Обеспечивать прослеживаемость и воспроизводимость ML / LLM-экспериментов.
— Вместе с ML-командой развивать оценку моделей, подготовку данных для RAG и дообучения.
Ожидаем от вас:
— Уверенные Python и SQL, поддерживаемый код за пределами ноутбуков.
— Практический опыт ETL / ELT: оркестрация, инкрементальная обработка, повторные запуски.
— Опыт с S3, Parquet, pandas / Polars / PyArrow.
— Понимание жизненного цикла ML: выборки, baseline, метрики, проверка утечек.
— Опыт с MLflow, ClearML или аналогами; Linux, Git, Docker, CI/CD.
— Умение работать с чувствительными данными.
Будет плюсом:
— Опыт с медицинскими данными, МИС и клиническими справочниками.
— Практический NLP / LLM: извлечение данных из текста, embeddings, RAG.
— PyTorch / Hugging Face, дообучение и inference на GPU.
— Опыт превращения исследовательского прототипа в регулярный пайплайн.
Почему интересно:
— Проект, который действительно приносит пользу людям.
— Возможность строить платформу с нуля и влиять на архитектуру.
— Работа на стыке Data Engineering, MLOps и LLM с современным стеком.
Направляйте ваши отклики с резюме - @Inga_IT 📩
#jobs #Москва
📍Формат/working arrangement: удалённо или из офиса
✔️Должность/position: Senior Data Scientist (команда рекомендаций)
🏢 Место работы/workplace: OOO HeadHunter
💸 Заработная плата/salary estimate: от 450 000 ₽ в месяц, на руки
📈 Обязанности/responsibilities:
— Развитие моделей поискового ранжирования и рекомендательных систем.
— Тюнинг моделей и feature engineering.
— Разработка новых ML-решений с нуля.
— Вывод моделей в production.
— Анализ A/B-тестов и результатов экспериментов.
📌 Требования/requirements:
— 6+ лет опыта.
— Опыт внедрения ML-моделей в production.
— Знание ML и нейросетей для обработки текста.
— Опыт в ranking, recommendations или NLP.
— Уверенный Python: NumPy, SciPy, PyTorch, Scikit-learn.
— Знание алгоритмов и структур данных.
— SQL и опыт работы с большими данными.
— Понимание A/B-экспериментов.
🌟 Будет плюсом:
— Java.
— Cassandra, Hive, Presto, Kafka.
— Hadoop.
— LightGBM.
🛠 Технический стек:
— Python
— PyTorch
— SQL
— NumPy
— SciPy
— Scikit-learn
— LightGBM
— NLP
— Search Ranking
— Recommender Systems
— A/B Experiments
— Hive
— Presto
— Kafka
🎯 Основные задачи проекта:
— Развитие поиска и рекомендаций.
— Улучшение продуктовых метрик через ML-модели.
— Работа с высоконагруженным поисковым кластером.
— Полный цикл ML: данные → модель → production → A/B-тест.
🏢 О компании:
— Крупный технический департамент.
— Около 600 специалистов в IT, Data и Product.
— 60+ команд.
— ML-продукты используются миллионами пользователей.
✅ Условия/working conditions:
— Полная занятость.
— График 5/2.
— 8 часов в день.
— Удалённая работа или офис.
— Гибкий график.
— Оформление по ТК РФ.
— «Белая» зарплата.
— ДМС с первого месяца.
— Обучение и конференции за счёт компании.
— Well-being программа.
— Офисы в 10 городах России.
📍 Адрес: Москва, улица Годовикова, 9с10.
>> Узнать подробнее / отправить cv
📍Формат/working arrangement: удалённо или из офиса
✔️Должность/position: Senior Data Scientist (команда рекомендаций)
🏢 Место работы/workplace: OOO HeadHunter
💸 Заработная плата/salary estimate: от 450 000 ₽ в месяц, на руки
📈 Обязанности/responsibilities:
— Развитие моделей поискового ранжирования и рекомендательных систем.
— Тюнинг моделей и feature engineering.
— Разработка новых ML-решений с нуля.
— Вывод моделей в production.
— Анализ A/B-тестов и результатов экспериментов.
📌 Требования/requirements:
— 6+ лет опыта.
— Опыт внедрения ML-моделей в production.
— Знание ML и нейросетей для обработки текста.
— Опыт в ranking, recommendations или NLP.
— Уверенный Python: NumPy, SciPy, PyTorch, Scikit-learn.
— Знание алгоритмов и структур данных.
— SQL и опыт работы с большими данными.
— Понимание A/B-экспериментов.
🌟 Будет плюсом:
— Java.
— Cassandra, Hive, Presto, Kafka.
— Hadoop.
— LightGBM.
🛠 Технический стек:
— Python
— PyTorch
— SQL
— NumPy
— SciPy
— Scikit-learn
— LightGBM
— NLP
— Search Ranking
— Recommender Systems
— A/B Experiments
— Hive
— Presto
— Kafka
🎯 Основные задачи проекта:
— Развитие поиска и рекомендаций.
— Улучшение продуктовых метрик через ML-модели.
— Работа с высоконагруженным поисковым кластером.
— Полный цикл ML: данные → модель → production → A/B-тест.
🏢 О компании:
— Крупный технический департамент.
— Около 600 специалистов в IT, Data и Product.
— 60+ команд.
— ML-продукты используются миллионами пользователей.
✅ Условия/working conditions:
— Полная занятость.
— График 5/2.
— 8 часов в день.
— Удалённая работа или офис.
— Гибкий график.
— Оформление по ТК РФ.
— «Белая» зарплата.
— ДМС с первого месяца.
— Обучение и конференции за счёт компании.
— Well-being программа.
— Офисы в 10 городах России.
📍 Адрес: Москва, улица Годовикова, 9с10.
>> Узнать подробнее / отправить cv
💰 1 млн рублей на акселерацию и до 10 млн рублей на пилот в финтех-акселераторе «Газпромбанк.Тех»
Коллеги, идёт ежегодный набор в Акселератор «Газпромбанк.Тех» для стартапов и научных команд. В этом году два трека: «Финтех.Стартапы» и «Финтех.Наука». Участие бесплатное, заявки принимаются до 13 октября. Если вы:
🚀 Представляете технологическую компанию с решением от прототипа и выше — подавайте заявку в трек «Финтех.Стартапы»
В фокусе: классический банкинг и транзакционный бизнес; кибербезопасность, антифрод и скоринг; разработка ПО и ИИ-решений; ИТ-инфраструктура; управление человеческим капиталом; работа с клиентами.
Отличная возможность для технологических команд представить решение крупному корпоративному заказчику.
🤝 Вы из научной команды университета или R&D-центра с проектом ранней стадии — регистрируйтесь в трек «Финтех.Наука»
Здесь ждут разработки в области новых вычислительных подходов, защиты данных и безопасности ИИ, информационных систем, математики и оптимизации, прикладных моделей и ИИ-решений, когнитивных технологий.
На старте не обязательно иметь готовый коммерческий продукт. К научной экспертизе проектов подключится фонд «Вызов», имеющий опыт многоступенчатой оценки проектов, накопленный при проведении Национальной премии в области будущих технологий.
Что получает команда, если проходит?
До 10 проектов в каждом треке — по 1 млн рублей на развитие и тестирование своих решений. Если гипотеза сработает в бизнесе, можно по решению банка выйти на пилот до 10 млн рублей и обсуждать инвестиции.
⚡️ Ваша технология готова к масштабированию в топ-банке? Вас ждут в Акселераторе.
Коллеги, идёт ежегодный набор в Акселератор «Газпромбанк.Тех» для стартапов и научных команд. В этом году два трека: «Финтех.Стартапы» и «Финтех.Наука». Участие бесплатное, заявки принимаются до 13 октября. Если вы:
🚀 Представляете технологическую компанию с решением от прототипа и выше — подавайте заявку в трек «Финтех.Стартапы»
В фокусе: классический банкинг и транзакционный бизнес; кибербезопасность, антифрод и скоринг; разработка ПО и ИИ-решений; ИТ-инфраструктура; управление человеческим капиталом; работа с клиентами.
Отличная возможность для технологических команд представить решение крупному корпоративному заказчику.
🤝 Вы из научной команды университета или R&D-центра с проектом ранней стадии — регистрируйтесь в трек «Финтех.Наука»
Здесь ждут разработки в области новых вычислительных подходов, защиты данных и безопасности ИИ, информационных систем, математики и оптимизации, прикладных моделей и ИИ-решений, когнитивных технологий.
На старте не обязательно иметь готовый коммерческий продукт. К научной экспертизе проектов подключится фонд «Вызов», имеющий опыт многоступенчатой оценки проектов, накопленный при проведении Национальной премии в области будущих технологий.
Что получает команда, если проходит?
До 10 проектов в каждом треке — по 1 млн рублей на развитие и тестирование своих решений. Если гипотеза сработает в бизнесе, можно по решению банка выйти на пилот до 10 млн рублей и обсуждать инвестиции.
⚡️ Ваша технология готова к масштабированию в топ-банке? Вас ждут в Акселераторе.
ML Researcher / Research Scientist — Probabilistic Modeling & Decision Making
Компания: BrainShells
Вилка: от 7000$
Ищем сильного ML Researcher уровня Senior / Staff для сложной исследовательской задачи на стыке probabilistic ML, sequential decision making и моделирования поведения агентов.
Это не классическая вакансия Data Scientist с задачами на табличные данные. Нужен человек, который самостоятельно разрабатывал или существенно улучшал ML/математические методы, умеет работать с неопределённостью и может экспериментально доказать, почему новый подход лучше сильного baseline.
Задача: есть стохастическая многоагентная среда с частичной наблюдаемостью и десятки миллионов исторических эпизодов. Необходимо моделировать поведение участников и использовать эти прогнозы для принятия решений в условиях неопределённости и ограниченного inference budget.
Особенно интересен опыт в одном или нескольких направлениях:
— RL / sequential decision making / POMDP / world models;
— probabilistic & Bayesian ML, latent-variable models, uncertainty estimation;
— behavior / opponent modeling, multi-agent systems;
— off-policy evaluation, importance sampling, doubly robust estimation, variance reduction;
— Monte Carlo / Markov models / stochastic optimization;
— algorithmic trading / HFT / pricing / decision systems с реальными ограничениями на latency.
Кого особенно хотим увидеть: исследователей с сильной математической базой, опытом собственных R&D-разработок и публикациями либо сильным applied research опытом. PhD будет плюсом, но не является обязательным. Важнее возможность разобрать свой проект в формате: проблема → baseline → ваша идея → альтернативы → эксперимент → измеримый результат.
Стек для прототипирования: Python / PyTorch. Данные и вычислительная инфраструктура есть, задача предполагает много экспериментов и достаточно высокую исследовательскую свободу.
Формат: remote, контракт от 3 месяцев. Приоритетно рассматриваем full-time, но для сильного кандидата готовы обсуждать part-time
Если ваш опыт близок — присылайте CV + 2–3 предложения про наиболее релевантный research/ML-проект: что улучшали, какой был baseline, что сделали лично и каким результатом доказали эффект.
Контакт: @dybovanya
Компания: BrainShells
Вилка: от 7000$
Ищем сильного ML Researcher уровня Senior / Staff для сложной исследовательской задачи на стыке probabilistic ML, sequential decision making и моделирования поведения агентов.
Это не классическая вакансия Data Scientist с задачами на табличные данные. Нужен человек, который самостоятельно разрабатывал или существенно улучшал ML/математические методы, умеет работать с неопределённостью и может экспериментально доказать, почему новый подход лучше сильного baseline.
Задача: есть стохастическая многоагентная среда с частичной наблюдаемостью и десятки миллионов исторических эпизодов. Необходимо моделировать поведение участников и использовать эти прогнозы для принятия решений в условиях неопределённости и ограниченного inference budget.
Особенно интересен опыт в одном или нескольких направлениях:
— RL / sequential decision making / POMDP / world models;
— probabilistic & Bayesian ML, latent-variable models, uncertainty estimation;
— behavior / opponent modeling, multi-agent systems;
— off-policy evaluation, importance sampling, doubly robust estimation, variance reduction;
— Monte Carlo / Markov models / stochastic optimization;
— algorithmic trading / HFT / pricing / decision systems с реальными ограничениями на latency.
Кого особенно хотим увидеть: исследователей с сильной математической базой, опытом собственных R&D-разработок и публикациями либо сильным applied research опытом. PhD будет плюсом, но не является обязательным. Важнее возможность разобрать свой проект в формате: проблема → baseline → ваша идея → альтернативы → эксперимент → измеримый результат.
Стек для прототипирования: Python / PyTorch. Данные и вычислительная инфраструктура есть, задача предполагает много экспериментов и достаточно высокую исследовательскую свободу.
Формат: remote, контракт от 3 месяцев. Приоритетно рассматриваем full-time, но для сильного кандидата готовы обсуждать part-time
Если ваш опыт близок — присылайте CV + 2–3 предложения про наиболее релевантный research/ML-проект: что улучшали, какой был baseline, что сделали лично и каким результатом доказали эффект.
Контакт: @dybovanya
Друзья, всем привет!
Продолжаем искать Преподавателя и Автора на курсы-интенсивы по AI agent на основе LLM для действующих data-специалистов.
О нас:
Standard Data – проектируем и реализуем образовательные решения под заказ крупных компаний в сфере ИИ, дата инжиниринга и веб-разработки.
Кого ищем:
Преподавателя и автора (уровень Senior LLM engineer) на курс-интенсив по разработке AI agent на основе больших языковых моделей для действующих DS.
Ожидаем от кандидата:
• Профильное высшее образование,
• опыт в NLP от 3 лет, желательно в крупных компаниях
• коммерческий опыт с LLM от 1.5 лет
• опыт с LangGraph, LoRA.
Будет плюсом:
• PhD в релевантной области
• Публикации или научные статьи
• Профессиональные награды / участие в конкурсах.
Мы будем рады видеть как преподавателя-автора учебных материалов и проектов, так и преподавателя-ведущего занятий (в обоих случаях гибкий формат участия: можно выбрать отдельные темы или курс целиком).
Под AI agent понимается система, которая умеет на основе обращения к ней самостоятельно планировать свои действия, взаимодействовать с внешней средой (по API) и адаптироваться под отклик этой среды.
Что нужно делать:
• Разработка материалов: семинары, финальный проект для слушателей.
• Проведение занятий в формате вебинаров (1-2 дня, по 2-4 занятия в день).
Что мы предлагаем:
• За разработку программы (семинары + финальный проект) – 90т.р.-120 т.р.
• За разовое проведение программы курса-интенсива – 90т.р.-110 т.р., в зависимости от вашего опыта.
• Бонусное вознаграждение по итогам перфоманса курса.
• Сумма оплаты возможна и больше, всё зависит от опыта, публикаций и результатов собеседования.
Ждем тебя в нашей команде, пишите в тг, или сразу кидайте резюме: @Kate_HR_IT
___
За успешную рекомендацию по традиции бонус! Суммарно 30к: при прохождении тестового 15к, еще 15к после 2 месяцев хорошей работы. Если у вас классный кандидат с большим опытом, то пишите в ЛС, согласуем другой бонус!
Продолжаем искать Преподавателя и Автора на курсы-интенсивы по AI agent на основе LLM для действующих data-специалистов.
О нас:
Standard Data – проектируем и реализуем образовательные решения под заказ крупных компаний в сфере ИИ, дата инжиниринга и веб-разработки.
Кого ищем:
Преподавателя и автора (уровень Senior LLM engineer) на курс-интенсив по разработке AI agent на основе больших языковых моделей для действующих DS.
Ожидаем от кандидата:
• Профильное высшее образование,
• опыт в NLP от 3 лет, желательно в крупных компаниях
• коммерческий опыт с LLM от 1.5 лет
• опыт с LangGraph, LoRA.
Будет плюсом:
• PhD в релевантной области
• Публикации или научные статьи
• Профессиональные награды / участие в конкурсах.
Мы будем рады видеть как преподавателя-автора учебных материалов и проектов, так и преподавателя-ведущего занятий (в обоих случаях гибкий формат участия: можно выбрать отдельные темы или курс целиком).
Под AI agent понимается система, которая умеет на основе обращения к ней самостоятельно планировать свои действия, взаимодействовать с внешней средой (по API) и адаптироваться под отклик этой среды.
Что нужно делать:
• Разработка материалов: семинары, финальный проект для слушателей.
• Проведение занятий в формате вебинаров (1-2 дня, по 2-4 занятия в день).
Что мы предлагаем:
• За разработку программы (семинары + финальный проект) – 90т.р.-120 т.р.
• За разовое проведение программы курса-интенсива – 90т.р.-110 т.р., в зависимости от вашего опыта.
• Бонусное вознаграждение по итогам перфоманса курса.
• Сумма оплаты возможна и больше, всё зависит от опыта, публикаций и результатов собеседования.
Ждем тебя в нашей команде, пишите в тг, или сразу кидайте резюме: @Kate_HR_IT
___
За успешную рекомендацию по традиции бонус! Суммарно 30к: при прохождении тестового 15к, еще 15к после 2 месяцев хорошей работы. Если у вас классный кандидат с большим опытом, то пишите в ЛС, согласуем другой бонус!
🔥 Полнотекстовый + векторный поиск — все это в одной СУБД
Обычно, если приложению нужен поиск и по точным значениям, и по смыслу, приходится подключать несколько инструментов: основную БД, поисковый движок и векторное хранилище.
В YDB от Yandex B2B Tech это можно сделать внутри одной системы. Гибридный поиск объединяет полнотекстовый индекс для точных совпадений и векторный — для поиска по смыслу.
Причём оба индекса работают как распределённые таблицы YDB и обновляются в одной транзакции с основными данными. Не нужно отдельно синхронизировать несколько хранилищ.
Подход пригодится для поиска по документам, каталогам, тикетам, базам знаний и RAG-системам.
Гибридный поиск уже доступен в on-premises и в Managed Service for YDB.
🚀 15 октября на митапе “Быстро находите нужное с YDB” подробно разберут, как единая СУБД справляется с семантическим и точным поиском и почему это ключ к качественным ответам ИИ-агентов и рекомендаций.
Регистрация по ссылке!
Обычно, если приложению нужен поиск и по точным значениям, и по смыслу, приходится подключать несколько инструментов: основную БД, поисковый движок и векторное хранилище.
В YDB от Yandex B2B Tech это можно сделать внутри одной системы. Гибридный поиск объединяет полнотекстовый индекс для точных совпадений и векторный — для поиска по смыслу.
Причём оба индекса работают как распределённые таблицы YDB и обновляются в одной транзакции с основными данными. Не нужно отдельно синхронизировать несколько хранилищ.
Подход пригодится для поиска по документам, каталогам, тикетам, базам знаний и RAG-системам.
Гибридный поиск уже доступен в on-premises и в Managed Service for YDB.
🚀 15 октября на митапе “Быстро находите нужное с YDB” подробно разберут, как единая СУБД справляется с семантическим и точным поиском и почему это ключ к качественным ответам ИИ-агентов и рекомендаций.
Регистрация по ссылке!
#вакансия #ml #удалённо
Team Lead ML Engineer (Gen AI)
Формат работы: удалённо
Уровень навыков: Senior, Lead
З/П: 4.500$
Мы - уникальный продукт в сфере AI-технологий, который стремительно растет и работает с пользователями по всему миру. Уже 5 лет мы создаем, тестируем, развиваемся и не собираемся останавливаться.
Сейчас ищем активных, талантливых и амбициозных ребят, которым интересно не просто выполнять задачи, а влиять на результат, пробовать новое и расти вместе с продуктом. Хотим собрать еще более сильную команду людей, с которыми сможем выйти на новый уровень.
Мы ищем Лида ML-отдела, который:
- Сможет реформировать и развивать команду ML/MLops, вместе с промпт инженерами.
- Структуризирует и автоматизирует все требующие того процессы.
- Разбирается в особенностях генеративного контента на self-host решениях.
- Оптимизирует генеративные пайплайны для сокращения расходов отдела.
- Будет самолично ставить продуктовые цели и вести отдел на острие технологий, методологий и трендов для их достижения.
Что нужно уметь/знать:
- Опыт работы в ML/AI от 3 лет;
- Опыт руководства командой — умение ставить задачи, распределять нагрузку, проводить ревью и развивать сотрудников;
- Опыт выстраивания процессов разработки: планирование, декомпозиция задач, код-ревью, контроль качества и сроков;
- Опыт работы с ComfyUI и собственными workflow, уверенный Python на уровне скриптов и API;
- Готовность работать с Wan 2.2, i2v, LoRA и генеративными пайплайнами;
- Умение получать рабочий результат с помощью AI-агентов и проверять его качество;
- Готовность самостоятельно разбираться в новых этапах процесса и отвечать за задачу целиком;
- Портфолио или репозиторий с примерами работ и разбором решений.
Что делать:
- Вести задачу целиком — от запроса продукта до оценки результата после релиза;
- Управлять командой: ставить задачи, контролировать прогресс, помогать в сложных кейсах, проводить one-to-one и ревью;
- Участвовать в найме и онбординге новых инженеров, помогать им быстрее выходить на результат;
- Выстраивать и улучшать процессы внутри команды: стандарты, шаблоны, документация;
- Работать с LoRA: подбирать, тестировать и при необходимости обучать модели;
- Самостоятельно разворачивать staging, включая нестандартные ноды, и поддерживать его паритет с production;
- Создавать и дорабатывать промпты и workflow в , проводить тестовые генерации и сверять результат с эталоном;
- Готовить превью, карточки и выкладывать готовый контент;
- Автоматизировать рутинные процессы с помощью AI-агентов;
- Контролировать метрики своих позиций, проводить эксперименты и принимать решения по их результатам.
Мы предлагаем:
- Работу с уникальными и технически сложными AI-проектами.
- Реальное влияние на развитие ML-продуктов и команды.
- Коллектив фанатов своего дела.
- Гибкий график и удалённый формат работы.
- Среду, где решения принимаются на основе экспертизы и Data-driven подхода, а не «потому что так решили».
- З/П: 4.500$.
Контакты:
@Findyskill
Team Lead ML Engineer (Gen AI)
Формат работы: удалённо
Уровень навыков: Senior, Lead
З/П: 4.500$
Мы - уникальный продукт в сфере AI-технологий, который стремительно растет и работает с пользователями по всему миру. Уже 5 лет мы создаем, тестируем, развиваемся и не собираемся останавливаться.
Сейчас ищем активных, талантливых и амбициозных ребят, которым интересно не просто выполнять задачи, а влиять на результат, пробовать новое и расти вместе с продуктом. Хотим собрать еще более сильную команду людей, с которыми сможем выйти на новый уровень.
Мы ищем Лида ML-отдела, который:
- Сможет реформировать и развивать команду ML/MLops, вместе с промпт инженерами.
- Структуризирует и автоматизирует все требующие того процессы.
- Разбирается в особенностях генеративного контента на self-host решениях.
- Оптимизирует генеративные пайплайны для сокращения расходов отдела.
- Будет самолично ставить продуктовые цели и вести отдел на острие технологий, методологий и трендов для их достижения.
Что нужно уметь/знать:
- Опыт работы в ML/AI от 3 лет;
- Опыт руководства командой — умение ставить задачи, распределять нагрузку, проводить ревью и развивать сотрудников;
- Опыт выстраивания процессов разработки: планирование, декомпозиция задач, код-ревью, контроль качества и сроков;
- Опыт работы с ComfyUI и собственными workflow, уверенный Python на уровне скриптов и API;
- Готовность работать с Wan 2.2, i2v, LoRA и генеративными пайплайнами;
- Умение получать рабочий результат с помощью AI-агентов и проверять его качество;
- Готовность самостоятельно разбираться в новых этапах процесса и отвечать за задачу целиком;
- Портфолио или репозиторий с примерами работ и разбором решений.
Что делать:
- Вести задачу целиком — от запроса продукта до оценки результата после релиза;
- Управлять командой: ставить задачи, контролировать прогресс, помогать в сложных кейсах, проводить one-to-one и ревью;
- Участвовать в найме и онбординге новых инженеров, помогать им быстрее выходить на результат;
- Выстраивать и улучшать процессы внутри команды: стандарты, шаблоны, документация;
- Работать с LoRA: подбирать, тестировать и при необходимости обучать модели;
- Самостоятельно разворачивать staging, включая нестандартные ноды, и поддерживать его паритет с production;
- Создавать и дорабатывать промпты и workflow в , проводить тестовые генерации и сверять результат с эталоном;
- Готовить превью, карточки и выкладывать готовый контент;
- Автоматизировать рутинные процессы с помощью AI-агентов;
- Контролировать метрики своих позиций, проводить эксперименты и принимать решения по их результатам.
Мы предлагаем:
- Работу с уникальными и технически сложными AI-проектами.
- Реальное влияние на развитие ML-продуктов и команды.
- Коллектив фанатов своего дела.
- Гибкий график и удалённый формат работы.
- Среду, где решения принимаются на основе экспертизы и Data-driven подхода, а не «потому что так решили».
- З/П: 4.500$.
Контакты:
@Findyskill
Senior Quantitative Researcher & AI Engineer
Инвестиционная компания с фокусом на публичные рынки США и технологические тренды.
Формат: удалённо, полная занятость.
Вам предстоит дополнить фундаментальный анализ количественным: собрать данные, построить модели и инструменты, на которые будут опираться инвестиционные решения. Прямое взаимодействие с CIO и Head of Research.
Задачи:
• Мониторинг: создать систему, которая регулярно сверяет инвест тезисы с новыми данными и показывает подтверждается тезис, слабеет или требует пересмотра.
• Данные: Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика.
• Backtesting и модели: проверка инвестиционных гипотез на исторических данных, разработка сигналов в дополнение к фундаментальному анализу.
• Портфельная аналитика: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций.
• AI-агенты: развивать агентов в исследовательском процессе и оценивать качество их работы.
Требования:
• Сильная база в математике, статистике и машинном обучении.
• От 3 лет в quantitative research или data science на финансовых данных.
• Довели модель или сигнал до практического применения и можете показать, как проверяли результат.
• Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение.
• Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код.
• Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок.
• Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис.
• Уверенный английский.
Желательно:
• Опыт построения систем на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок.
• Опыт на buy-side или в прямой работе с портфельными управляющими.
Мы предлагаем:
• Работа с реальным портфелем: ваши инструменты тестируются в инвестиционном процессе.
• Профессиональные источники данных и современные AI-инструменты.
• Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании.
• Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы.
Контакты: Telegram @mnemonic09. CV и пример своего проекта: задача, данные, результат.
Инвестиционная компания с фокусом на публичные рынки США и технологические тренды.
Формат: удалённо, полная занятость.
Вам предстоит дополнить фундаментальный анализ количественным: собрать данные, построить модели и инструменты, на которые будут опираться инвестиционные решения. Прямое взаимодействие с CIO и Head of Research.
Задачи:
• Мониторинг: создать систему, которая регулярно сверяет инвест тезисы с новыми данными и показывает подтверждается тезис, слабеет или требует пересмотра.
• Данные: Создать point-in-time хранилище: рыночные и фундаментальные данные, документы SEC, стенограммы звонков, новости, внутренняя аналитика.
• Backtesting и модели: проверка инвестиционных гипотез на исторических данных, разработка сигналов в дополнение к фундаментальному анализу.
• Портфельная аналитика: концентрация, факторные экспозиции, ликвидность, сценарные риски, размер позиций.
• AI-агенты: развивать агентов в исследовательском процессе и оценивать качество их работы.
Требования:
• Сильная база в математике, статистике и машинном обучении.
• От 3 лет в quantitative research или data science на финансовых данных.
• Довели модель или сигнал до практического применения и можете показать, как проверяли результат.
• Опыт backtesting на point-in-time данных: на практике знаете look-ahead bias, survivorship bias и переобучение.
• Python и SQL: самостоятельно строите пайплайны данных и пишете надёжный, тестируемый код.
• Строили системы на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок.
• Понимаете фундаментальный анализ и портфельный риск, чтобы формализовать инвестиционный тезис.
• Уверенный английский.
Желательно:
• Опыт построения систем на LLM с измеримым качеством: evaluation, тестовые наборы, контроль ошибок.
• Опыт на buy-side или в прямой работе с портфельными управляющими.
Мы предлагаем:
• Работа с реальным портфелем: ваши инструменты тестируются в инвестиционном процессе.
• Профессиональные источники данных и современные AI-инструменты.
• Конкурентная оплата труда и годовой бонус по личным результатам и результатам компании.
• Собственный бюджет на инфраструктуру и найм команды при подтверждении эффективности системы.
Контакты: Telegram @mnemonic09. CV и пример своего проекта: задача, данные, результат.
One Day Offer: ищем инженера для решения задач по безопасности ИИ-агентов
Хочешь работать над крупными проектами и умеешь создавать надёжные системы управления рисками? Приходи 10 октября на экспресс-отбор на позицию Senior DS/ML Engineer для AI Safety в Сбер — все этапы отбора за 1 день.
Ты будешь работать на стыке машинного обучения, инженерии и безопасности:
▪️ проектировать архитектуру безопасного ИИ
▪️ выводить guardrails в production
▪️ поддерживать надёжность LLM-систем в enterprise-контексте
Чувствуешь, что это твоё? Тогда регистрируйся по ссылке и готовься к встрече с будущими коллегами! 💚
Хочешь работать над крупными проектами и умеешь создавать надёжные системы управления рисками? Приходи 10 октября на экспресс-отбор на позицию Senior DS/ML Engineer для AI Safety в Сбер — все этапы отбора за 1 день.
Ты будешь работать на стыке машинного обучения, инженерии и безопасности:
▪️ проектировать архитектуру безопасного ИИ
▪️ выводить guardrails в production
▪️ поддерживать надёжность LLM-систем в enterprise-контексте
Чувствуешь, что это твоё? Тогда регистрируйся по ссылке и готовься к встрече с будущими коллегами! 💚
#Senior #Data_Engineer
Senior
Data инженер
Компания: RedLab
Локация: РФ, РБ
Гражданство: РФ, РБ
Опыт: больше 5-ти лет
Формат работы: удаленно
Занятость: Полная/проектная
ЗП: 350 000 - 380 000 RUB (гросс), оформление по ГПХ
Требования:
• Опыт работы Data Engineer от 5 лет.
• Знание методологии Data Vault 2.0
• Уверенные знания Python/Scala/Java для разработки ETL/ELT-процессов и сервисов обработки данных.
• Отличное знание SQL, опыт оптимизации сложных запросов и работы с большими объемами данных.
• Опыт проектирования и разработки промышленного Data Warehouse, Data Lake или Lakehouse решений.
• Практический опыт работы с Apache Spark.
• Опыт работы с Apache Airflow, Apache Kafka
• Опыт работы с системами потоковой обработки данных
• Опыт работы с распределенными файловыми системами и форматами хранения данных: HDFS, Parquet, Avro;
• Опыт работы с экосистемой Hadoop/Apache Iceberg или современными платформами хранения и обработки данных.
• Опыт работы с реляционными СУБД (PostgreSQL, Oracle, Clickhouse, Greenplum).
• Уверенное владение Git и понимание процессов CI/CD.
• Опыт работы с системами управления задачами и документацией (Jira, Confluence или аналоги).
• Понимание принципов построения отказоустойчивых и масштабируемых решений.
• Опыт использования dbt для построения трансформационных слоев данных.
• Практика внедрения Data Quality решений (Great Expectations, Soda и др.).
• Опыт работы с Data Catalog и Data Governance инструментами.
Задачи на проекте:
• Проектирование, разработка и сопровождение масштабируемых решений по интеграции, обработке и хранению данных в корпоративной платформе данных.
• Разработка и оптимизация batch- и streaming-пайплайнов для загрузки, трансформации и публикации данных.
• Разработка ETL/ELT-процессов с использованием современных инструментов обработки данных.
• Проектирование моделей данных для аналитических и операционных сценариев.
• Оптимизация производительности процессов обработки данных и SQL-запросов.
• Обеспечение качества данных: реализация механизмов валидации, мониторинга и контроля полноты данных.
• Участие в проектировании архитектуры платформы данных и выборе технологических решений.
• Внедрение и развитие практик DataOps и CI/CD для процессов обработки данных.
• Подготовка технической документации и архитектурных артефактов.
• Проведение код-ревью, техническое менторство и участие в развитии команды.
Присылайте резюме и контактные данные на email: alena.yurkova@litota.ru
Senior
Data инженер
Компания: RedLab
Локация: РФ, РБ
Гражданство: РФ, РБ
Опыт: больше 5-ти лет
Формат работы: удаленно
Занятость: Полная/проектная
ЗП: 350 000 - 380 000 RUB (гросс), оформление по ГПХ
Требования:
• Опыт работы Data Engineer от 5 лет.
• Знание методологии Data Vault 2.0
• Уверенные знания Python/Scala/Java для разработки ETL/ELT-процессов и сервисов обработки данных.
• Отличное знание SQL, опыт оптимизации сложных запросов и работы с большими объемами данных.
• Опыт проектирования и разработки промышленного Data Warehouse, Data Lake или Lakehouse решений.
• Практический опыт работы с Apache Spark.
• Опыт работы с Apache Airflow, Apache Kafka
• Опыт работы с системами потоковой обработки данных
• Опыт работы с распределенными файловыми системами и форматами хранения данных: HDFS, Parquet, Avro;
• Опыт работы с экосистемой Hadoop/Apache Iceberg или современными платформами хранения и обработки данных.
• Опыт работы с реляционными СУБД (PostgreSQL, Oracle, Clickhouse, Greenplum).
• Уверенное владение Git и понимание процессов CI/CD.
• Опыт работы с системами управления задачами и документацией (Jira, Confluence или аналоги).
• Понимание принципов построения отказоустойчивых и масштабируемых решений.
• Опыт использования dbt для построения трансформационных слоев данных.
• Практика внедрения Data Quality решений (Great Expectations, Soda и др.).
• Опыт работы с Data Catalog и Data Governance инструментами.
Задачи на проекте:
• Проектирование, разработка и сопровождение масштабируемых решений по интеграции, обработке и хранению данных в корпоративной платформе данных.
• Разработка и оптимизация batch- и streaming-пайплайнов для загрузки, трансформации и публикации данных.
• Разработка ETL/ELT-процессов с использованием современных инструментов обработки данных.
• Проектирование моделей данных для аналитических и операционных сценариев.
• Оптимизация производительности процессов обработки данных и SQL-запросов.
• Обеспечение качества данных: реализация механизмов валидации, мониторинга и контроля полноты данных.
• Участие в проектировании архитектуры платформы данных и выборе технологических решений.
• Внедрение и развитие практик DataOps и CI/CD для процессов обработки данных.
• Подготовка технической документации и архитектурных артефактов.
• Проведение код-ревью, техническое менторство и участие в развитии команды.
Присылайте резюме и контактные данные на email: alena.yurkova@litota.ru
Ищем LLM / ML Engineer с практическим опытом обучения языковых моделей.
Задача — обучение с нуля специализированных моделей на 1B–10B параметров. Основные направления: разработка ПО, понимание сложных русскоязычных текстов и function calling.
Проекты для заказчиков под NDA — подробности обсудим лично.
Задачи:
– Подготавливать данные и выстраивать пайплайны обучения.
– Проводить эксперименты с архитектурами, методами и режимами обучения.
– Обучать модели с нуля и адаптировать их под целевые задачи.
– Оценивать качество моделей, анализировать ошибки и улучшать результаты.
Ожидания:
– Практический опыт обучения языковых моделей: от подготовки данных до оценки результата.
– Опыт аналогичных проектов либо адаптации готовых моделей методами, выходящими за рамки SFT.
– Уверенное владение Python и PyTorch.
– Понимание принципов обучения трансформеров и опыт работы с GPU.
Будет плюсом: опыт распределённого обучения, оптимизации памяти и скорости обучения, работы с моделями для кода и вызова инструментов.
Если у вас есть такой опыт или можете кого-то порекомендовать — пишите @askomaev.
Будет здорово, если кратко расскажете о проектах и своей роли в них.
Задача — обучение с нуля специализированных моделей на 1B–10B параметров. Основные направления: разработка ПО, понимание сложных русскоязычных текстов и function calling.
Проекты для заказчиков под NDA — подробности обсудим лично.
Задачи:
– Подготавливать данные и выстраивать пайплайны обучения.
– Проводить эксперименты с архитектурами, методами и режимами обучения.
– Обучать модели с нуля и адаптировать их под целевые задачи.
– Оценивать качество моделей, анализировать ошибки и улучшать результаты.
Ожидания:
– Практический опыт обучения языковых моделей: от подготовки данных до оценки результата.
– Опыт аналогичных проектов либо адаптации готовых моделей методами, выходящими за рамки SFT.
– Уверенное владение Python и PyTorch.
– Понимание принципов обучения трансформеров и опыт работы с GPU.
Будет плюсом: опыт распределённого обучения, оптимизации памяти и скорости обучения, работы с моделями для кода и вызова инструментов.
Если у вас есть такой опыт или можете кого-то порекомендовать — пишите @askomaev.
Будет здорово, если кратко расскажете о проектах и своей роли в них.
#вакансия #vacancy #удалённо #data #engineer #dataengineer
❕Аккредитованная ИТ-компания "Системы и Алгоритмы" ищет Инженера данных)❕
Роль: Data-engineer
З/П: 270 000 - 295 000 р. gross
Формат работы: удаленно по РФ
Вид занятости: full-time
Локация: любой город РФ
Гражданство: РФ
✨Преимущества позиции:
• Участие в масштабном проекте цифровой трансформации, влияющем на ключевые производственные процессы.
• Возможность увидеть результаты своей работы на реальном производстве, включая реальные системы, терминалы, интеграции.
• Доступ к команде зрелых разработчиков и проектной поддержке: Team Lead, Product Owner, Project Manager.
• Пространство для инициатив, развития и расширения зоны ответственности.
✨Краткое описание роли:
Ищем инженера данных с сильными компетенциями архитектора данных и баз данных, который сможет взять на себя планирование и проведение внедрения инструментов хранения и обработки данных. Должно иметь подтвержденный опыт работы с нашим технологическим стеком (Postgres, MSSQL, Kafka, Flink, Airflow, Iceberg, Trino/StarRocks), уметь проектировать целевую архитектуру хранилищ, анализировать потоки данных и выбирать релевантный инструментарий. Критичны навыки работы с современными data-инструментами, опыт проектирования пайплайнов, обеспечения качества данных и уверенное владение Python для написания DAG, кастомных операторов и интеграций.
🔹 Что ждём от вас:
• Опыт работы на позиции Data Engineer от 4 лет в сфере разработки ПО.
• Опыт работы с ключевыми компонентами нашего стека:
- ODBMS/DBMS & Warehouses: уверенная работа с Postgres и MSSQL; опыт настройки и оптимизации OLAP-движков (Trino, StarRocks) и современных хранилищ (Cassandra, Redis).
- Data Flow Tools: практический опыт работы с Apache Airflow (написание DAG, кастомные операторы); опыт использования Apache Kafka (producer/consumer) и Apache Flink (разработка стриминговых джоб, состояние, чекпоинты).
- Data Lake / Lakehouse: опыт работы с Apache Iceberg, понимание архитектуры lakehouse, использование Lakekeeper для управления метаданными, работа с объектным хранилищем S3.
- CDC: опыт реализации Change Data Capture паттернов для синхронизации данных между системами.
• Глубокие знания в области архитектуры данных и баз данных: понимание принципов нормализации и денормализации, проектирование relational и columnar моделей, стратегии управления данными (lifecycle, retention, versioning).
• Уверенное владение Python: написание скриптов, модулей, работа с асинхронностью при необходимости; опыт написания DAG в Apache Airflow, включая кастомные операторы, hooks, sensors.
• Навыки оптимизации: умение профилировать процессы, находить bottlenecks, оптимизировать SQL-запросы и настраивать ресурсы кластеров под нагрузку.
• Владение Jira и Confluence на уровне confident user (структура страниц, шаблоны, макросы, связки задач и документации).
• Опыт организации хранения данных для последующих задач OLAP / OLTP с учетом требований (consistency / integrity).
• Опыт организации обработки данных в рамках задач OLAP / OLTP с применением различных паттернов (batch processing, CDC).
• Понимание ключевых особенностей и сценариев применения различных паттернов организации интеграционных потоков (batch processing, CDC) с учетом их характеристик (3V+).
• Опыт заведения и сопровождения заявок вService-Desk.
• Умение структурировать информацию, работать с требованиями, документировать технические решения.
• Английский — на уровне чтения и написания технической документации.
🔹 Будет плюсом:
• Опыт работы с Timeseries базами данных (InfluxDB, TimescaleDB, TDengine и др.).
• Глубокий опыт эксплуатации кластеров (Hadoop, YARN, Kubernetes) в production-среде.
• Знание SQL на продвинутом уровне (оптимизация сложных запросов, window functions, CTE).
• Опыт работы с CI/CD для data-пайплайнов.
• Понимание принципов DDD, event-driven архитектуры.
• Опыт работы с Apache NiFi.
📲 Контакты для связи:
- @Serg06SA
- +7 969 865 43 07
❕Аккредитованная ИТ-компания "Системы и Алгоритмы" ищет Инженера данных)❕
Роль: Data-engineer
З/П: 270 000 - 295 000 р. gross
Формат работы: удаленно по РФ
Вид занятости: full-time
Локация: любой город РФ
Гражданство: РФ
✨Преимущества позиции:
• Участие в масштабном проекте цифровой трансформации, влияющем на ключевые производственные процессы.
• Возможность увидеть результаты своей работы на реальном производстве, включая реальные системы, терминалы, интеграции.
• Доступ к команде зрелых разработчиков и проектной поддержке: Team Lead, Product Owner, Project Manager.
• Пространство для инициатив, развития и расширения зоны ответственности.
✨Краткое описание роли:
Ищем инженера данных с сильными компетенциями архитектора данных и баз данных, который сможет взять на себя планирование и проведение внедрения инструментов хранения и обработки данных. Должно иметь подтвержденный опыт работы с нашим технологическим стеком (Postgres, MSSQL, Kafka, Flink, Airflow, Iceberg, Trino/StarRocks), уметь проектировать целевую архитектуру хранилищ, анализировать потоки данных и выбирать релевантный инструментарий. Критичны навыки работы с современными data-инструментами, опыт проектирования пайплайнов, обеспечения качества данных и уверенное владение Python для написания DAG, кастомных операторов и интеграций.
🔹 Что ждём от вас:
• Опыт работы на позиции Data Engineer от 4 лет в сфере разработки ПО.
• Опыт работы с ключевыми компонентами нашего стека:
- ODBMS/DBMS & Warehouses: уверенная работа с Postgres и MSSQL; опыт настройки и оптимизации OLAP-движков (Trino, StarRocks) и современных хранилищ (Cassandra, Redis).
- Data Flow Tools: практический опыт работы с Apache Airflow (написание DAG, кастомные операторы); опыт использования Apache Kafka (producer/consumer) и Apache Flink (разработка стриминговых джоб, состояние, чекпоинты).
- Data Lake / Lakehouse: опыт работы с Apache Iceberg, понимание архитектуры lakehouse, использование Lakekeeper для управления метаданными, работа с объектным хранилищем S3.
- CDC: опыт реализации Change Data Capture паттернов для синхронизации данных между системами.
• Глубокие знания в области архитектуры данных и баз данных: понимание принципов нормализации и денормализации, проектирование relational и columnar моделей, стратегии управления данными (lifecycle, retention, versioning).
• Уверенное владение Python: написание скриптов, модулей, работа с асинхронностью при необходимости; опыт написания DAG в Apache Airflow, включая кастомные операторы, hooks, sensors.
• Навыки оптимизации: умение профилировать процессы, находить bottlenecks, оптимизировать SQL-запросы и настраивать ресурсы кластеров под нагрузку.
• Владение Jira и Confluence на уровне confident user (структура страниц, шаблоны, макросы, связки задач и документации).
• Опыт организации хранения данных для последующих задач OLAP / OLTP с учетом требований (consistency / integrity).
• Опыт организации обработки данных в рамках задач OLAP / OLTP с применением различных паттернов (batch processing, CDC).
• Понимание ключевых особенностей и сценариев применения различных паттернов организации интеграционных потоков (batch processing, CDC) с учетом их характеристик (3V+).
• Опыт заведения и сопровождения заявок вService-Desk.
• Умение структурировать информацию, работать с требованиями, документировать технические решения.
• Английский — на уровне чтения и написания технической документации.
🔹 Будет плюсом:
• Опыт работы с Timeseries базами данных (InfluxDB, TimescaleDB, TDengine и др.).
• Глубокий опыт эксплуатации кластеров (Hadoop, YARN, Kubernetes) в production-среде.
• Знание SQL на продвинутом уровне (оптимизация сложных запросов, window functions, CTE).
• Опыт работы с CI/CD для data-пайплайнов.
• Понимание принципов DDD, event-driven архитектуры.
• Опыт работы с Apache NiFi.
📲 Контакты для связи:
- @Serg06SA
- +7 969 865 43 07
#вакансия #LLM #MLengineer #DataScience #PyTorch #NLP
Ищем LLM / ML Engineer с практическим опытом обучения языковых моделей.
Задача — обучение с нуля специализированных моделей на 1–10 млрд параметров. Основные направления: разработка ПО, понимание сложных русскоязычных текстов и function calling.
Проекты для заказчиков под NDA — подробности обсудим лично.
Задачи:
– Подготавливать данные и выстраивать пайплайны обучения.
– Проводить эксперименты с архитектурами, методами и режимами обучения.
– Обучать модели с нуля и адаптировать их под целевые задачи.
– Оценивать качество моделей, анализировать ошибки и улучшать результаты.
Ожидания:
– Практический опыт обучения языковых моделей: от подготовки данных до оценки результата.
– Опыт аналогичных проектов либо адаптации готовых моделей методами, выходящими за рамки SFT.
– Уверенное владение Python и PyTorch.
– Понимание принципов обучения трансформеров и опыт работы с GPU.
Будет плюсом: опыт распределённого обучения, оптимизации памяти и скорости обучения, работы с моделями для кода и вызова инструментов.
Если у вас есть такой опыт или можете кого-то порекомендовать — пишите @askomaev. Будет здорово, если кратко расскажете о проектах и своей роли в них.
Ищем LLM / ML Engineer с практическим опытом обучения языковых моделей.
Задача — обучение с нуля специализированных моделей на 1–10 млрд параметров. Основные направления: разработка ПО, понимание сложных русскоязычных текстов и function calling.
Проекты для заказчиков под NDA — подробности обсудим лично.
Задачи:
– Подготавливать данные и выстраивать пайплайны обучения.
– Проводить эксперименты с архитектурами, методами и режимами обучения.
– Обучать модели с нуля и адаптировать их под целевые задачи.
– Оценивать качество моделей, анализировать ошибки и улучшать результаты.
Ожидания:
– Практический опыт обучения языковых моделей: от подготовки данных до оценки результата.
– Опыт аналогичных проектов либо адаптации готовых моделей методами, выходящими за рамки SFT.
– Уверенное владение Python и PyTorch.
– Понимание принципов обучения трансформеров и опыт работы с GPU.
Будет плюсом: опыт распределённого обучения, оптимизации памяти и скорости обучения, работы с моделями для кода и вызова инструментов.
Если у вас есть такой опыт или можете кого-то порекомендовать — пишите @askomaev. Будет здорово, если кратко расскажете о проектах и своей роли в них.
#вакансия #fulltime #удаленка #Senior
Локация: РФ
Формат: Удаленно
Период: долгосрок
Занятость: фуллтайм
Оформление по договору с ИП
Оплата: от 1200 рублей в час до 1500 рублей в час
Applied Scientist / MLOps Engineer (Обезличивание данных / Privacy AI)
Чем предстоит заниматься (Ключевые задачи):
1. Развитие классификатора данных для полей БД (Tabular ML)
Развитие существующей ML-модели (RandomForest), которая выявляет ПДн в полях баз данных на основе метаданных и значений.
Обучение модели распознаванию новых типов данных (например, VIN-номера, специфические идентификаторы).
Повышение качества классификации: исправление ошибок (например, обнаружение сложных форматов телефонов).
Решение задачи со «смешанными данными»: обучение модели корректно работать, когда в одной колонке БД вперемешку находятся ФИО, адреса и телефоны.
Особенность: Оптимизация модели для высокой скорости работы на CPU, так как системе предстоит проводить полное сканирование БД объемом в несколько ТБ.
2. Создание модели для выявления данных в произвольном тексте (NLP / NER)
Разработка архитектуры и обучение NER-модели (Named Entity Recognition) для поиска ПДн в неструктурированном тексте.
Работа с различными форматами файлов: TXT, DOCX, PDF (включая распознавание текста) и логами.
Реализация пайплайнов очистки и нормализации «шумных» данных перед подачей в модель.
Наши ожидания от вас (Требования):
Опыт и лидерство:
Опыт разработки и внедрения ML-моделей в production от 3-х лет.
Опыт ведения полного цикла: от исследования и постановки задачи до мониторинга качества и настройки автоматического ретренинга.
Лидерство: Готовность возглавить направление, самостоятельно декомпозировать бизнес-задачи на технические и нести ответственность за результат.
Технический стек (Python и ML):
Уверенное владение Python (pandas, numpy, scikit-learn).
Глубокое понимание классических ML-алгоритмов (деревья решений, ансамбли, Random Forest), умение интерпретировать результаты (Feature Importance) и подбирать гиперпараметры.
NLP: Практический опыт работы с Hugging Face Transformers и/или SpaCy. Обязателен опыт обучения NER-моделей.
Data Engineering: Опыт построения пайплайнов обработки неструктурированных данных (PDF, тексты). Навык Feature Engineering для табличных данных.
Производительность и инфраструктура (MLOps):
Performance: Опыт оптимизации инференса моделей для работы на CPU.
Масштаб: Опыт работы с большими объемами данных (полное сканирование БД от нескольких ТБ).
Production: Опыт развертывания моделей через API (FastAPI), контейнеризация (Docker).
MLOps: Владение инструментами версионирования (MLflow, DVC), понимание CI/CD-процессов. Опыт настройки мониторинга качества моделей (Model Drift, Quality Gates) и организации автоматического ретренинга.
Будет плюсом:
Опыт работы именно с классификаторами для профилирования данных БД.
Опыт распознавания специфических типов данных (VIN, номера карт, крипто-адреса).
Опыт в области защиты ПДн, обезличивания данных или антифрод-систем.
Что мы предлагаем:
Возможность влиять на архитектуру сложного AI-продукта с нуля.
Работу с реальными Big Data задачами (TB+).
Современный стек и отсутствие легаси.
Для связи @grosssoft1600
Локация: РФ
Формат: Удаленно
Период: долгосрок
Занятость: фуллтайм
Оформление по договору с ИП
Оплата: от 1200 рублей в час до 1500 рублей в час
Applied Scientist / MLOps Engineer (Обезличивание данных / Privacy AI)
Чем предстоит заниматься (Ключевые задачи):
1. Развитие классификатора данных для полей БД (Tabular ML)
Развитие существующей ML-модели (RandomForest), которая выявляет ПДн в полях баз данных на основе метаданных и значений.
Обучение модели распознаванию новых типов данных (например, VIN-номера, специфические идентификаторы).
Повышение качества классификации: исправление ошибок (например, обнаружение сложных форматов телефонов).
Решение задачи со «смешанными данными»: обучение модели корректно работать, когда в одной колонке БД вперемешку находятся ФИО, адреса и телефоны.
Особенность: Оптимизация модели для высокой скорости работы на CPU, так как системе предстоит проводить полное сканирование БД объемом в несколько ТБ.
2. Создание модели для выявления данных в произвольном тексте (NLP / NER)
Разработка архитектуры и обучение NER-модели (Named Entity Recognition) для поиска ПДн в неструктурированном тексте.
Работа с различными форматами файлов: TXT, DOCX, PDF (включая распознавание текста) и логами.
Реализация пайплайнов очистки и нормализации «шумных» данных перед подачей в модель.
Наши ожидания от вас (Требования):
Опыт и лидерство:
Опыт разработки и внедрения ML-моделей в production от 3-х лет.
Опыт ведения полного цикла: от исследования и постановки задачи до мониторинга качества и настройки автоматического ретренинга.
Лидерство: Готовность возглавить направление, самостоятельно декомпозировать бизнес-задачи на технические и нести ответственность за результат.
Технический стек (Python и ML):
Уверенное владение Python (pandas, numpy, scikit-learn).
Глубокое понимание классических ML-алгоритмов (деревья решений, ансамбли, Random Forest), умение интерпретировать результаты (Feature Importance) и подбирать гиперпараметры.
NLP: Практический опыт работы с Hugging Face Transformers и/или SpaCy. Обязателен опыт обучения NER-моделей.
Data Engineering: Опыт построения пайплайнов обработки неструктурированных данных (PDF, тексты). Навык Feature Engineering для табличных данных.
Производительность и инфраструктура (MLOps):
Performance: Опыт оптимизации инференса моделей для работы на CPU.
Масштаб: Опыт работы с большими объемами данных (полное сканирование БД от нескольких ТБ).
Production: Опыт развертывания моделей через API (FastAPI), контейнеризация (Docker).
MLOps: Владение инструментами версионирования (MLflow, DVC), понимание CI/CD-процессов. Опыт настройки мониторинга качества моделей (Model Drift, Quality Gates) и организации автоматического ретренинга.
Будет плюсом:
Опыт работы именно с классификаторами для профилирования данных БД.
Опыт распознавания специфических типов данных (VIN, номера карт, крипто-адреса).
Опыт в области защиты ПДн, обезличивания данных или антифрод-систем.
Что мы предлагаем:
Возможность влиять на архитектуру сложного AI-продукта с нуля.
Работу с реальными Big Data задачами (TB+).
Современный стек и отсутствие легаси.
Для связи @grosssoft1600
🧩 Antifraud Scientist @ Higgsfield AI
Higgsfield AI — самая быстрорастущая AI-компания в истории.
За 18 месяцев с запуска наша команда достигла $1B ARR, а 133 сотрудника уже стали долларовыми миллионерами. Ты можешь стать следующим.
Что предлагаем:
⚡ 6M+ генераций в день. Каждая мошенническая генерация расходует реальные GPU - твоя модель должна остановить абьюз до того, как потрачен compute
🎮 Противник адаптируется за дни: фермы из сотен аккаунтов, перепродажа доступа, автоматизированный сбор промобонусов. Здесь придётся строить систему, которая выдерживает эту гонку и успешно борется с лучшими фродерами мира.
💰 Конкурентная зарплата в USD + опционы (Goldman Sachs уже покупает акции ранних сотрудников)
Кого ищем:
- 3+ года в DS/ML, Python и SQL, модели в production
- Опыт работы с бустингами, дисбалансом классов и графами связей
- Умение оценивать модель через предотвращённые потери и стоимость ложных блокировок
- Готовность разбирать кейсы руками и собирать сигналы из сырых событий, платежей и поведения пользователей
- Самостоятельность: от первой гипотезы до работающего скоринга, мониторинга и обновления модели
- Готовность работать 6 дней в неделю. Так работают сильнейшие AI-команды. Рост до $1B ARR за 18 месяцев требует такого темпа. За год здесь получаешь опыт, на который в бигтехе уходят несколько лет.
📍 Офис в Алматы ·
Полная поддержка с релокацией (финансовая + операционная)
💸 $100-350k в год + опционная программа
Подать заявку - @didarnrkr 🚀
Higgsfield AI — самая быстрорастущая AI-компания в истории.
За 18 месяцев с запуска наша команда достигла $1B ARR, а 133 сотрудника уже стали долларовыми миллионерами. Ты можешь стать следующим.
Что предлагаем:
⚡ 6M+ генераций в день. Каждая мошенническая генерация расходует реальные GPU - твоя модель должна остановить абьюз до того, как потрачен compute
🎮 Противник адаптируется за дни: фермы из сотен аккаунтов, перепродажа доступа, автоматизированный сбор промобонусов. Здесь придётся строить систему, которая выдерживает эту гонку и успешно борется с лучшими фродерами мира.
💰 Конкурентная зарплата в USD + опционы (Goldman Sachs уже покупает акции ранних сотрудников)
Кого ищем:
- 3+ года в DS/ML, Python и SQL, модели в production
- Опыт работы с бустингами, дисбалансом классов и графами связей
- Умение оценивать модель через предотвращённые потери и стоимость ложных блокировок
- Готовность разбирать кейсы руками и собирать сигналы из сырых событий, платежей и поведения пользователей
- Самостоятельность: от первой гипотезы до работающего скоринга, мониторинга и обновления модели
- Готовность работать 6 дней в неделю. Так работают сильнейшие AI-команды. Рост до $1B ARR за 18 месяцев требует такого темпа. За год здесь получаешь опыт, на который в бигтехе уходят несколько лет.
📍 Офис в Алматы ·
Полная поддержка с релокацией (финансовая + операционная)
💸 $100-350k в год + опционная программа
Подать заявку - @didarnrkr 🚀
Data Scientist Fast Track: с 9 по 15 ноября ⚡️
Пройдите все этапы отбора в Авито в ускоренном формате и получите оффер за неделю!
Почему именно фаст-трек?
🔸совмещённые этапы
🔸все даты известны заранее
🔸классная возможность оценить свои скилы
🔸результаты закрепляются на год
Кого мы ждём?
— кандидатов с опытом работы от 3,5 лет в крупных российских и международных IT-, BigTech- и FinTech-компаниях
— с опытом полного цикла разработки моделей: от ресёрча до выкатки в продакшен
— с опытом полного лидирования проекта
✅ Регистрация открыта до 9 ноября включительно. Читайте подробности и отправляйте заявку на сайте.
Пройдите все этапы отбора в Авито в ускоренном формате и получите оффер за неделю!
Почему именно фаст-трек?
🔸совмещённые этапы
🔸все даты известны заранее
🔸классная возможность оценить свои скилы
🔸результаты закрепляются на год
Кого мы ждём?
— кандидатов с опытом работы от 3,5 лет в крупных российских и международных IT-, BigTech- и FinTech-компаниях
— с опытом полного цикла разработки моделей: от ресёрча до выкатки в продакшен
— с опытом полного лидирования проекта
✅ Регистрация открыта до 9 ноября включительно. Читайте подробности и отправляйте заявку на сайте.
📘 На Mentorix вышел курс — «AI Platform Engineer: инфраструктура для AI-агентов»
Хотите запускать AI-агентов десятков команд в одном кластере так, чтобы агент поддержки не дотянулся до базы биллинга, а ночной пакет одной команды не съел лимит провайдера? Этот курс — путь от модели угроз до платформы целиком.
• Изоляция: gVisor и Kata, NetworkPolicy, egress-прокси
• Команды: namespace, RBAC, квоты, очередь пакетных агентов
• Оператор ресурса Agent на Go
• Шлюз моделей: OpenAI и Anthropic, бюджеты команд, vLLM
• MCP как услуга платформы, секреты агентов
• Релизы с канарейкой, OpenTelemetry, приёмка на сбоях
🧩 91 лаба на живом Kubernetes 1.35 — свой кластер, ключи и GPU не нужны
🎓 Сертификат для резюме и LinkedIn
🏷 Скидка 50% — до 25 октября
19 990 ₽ → 9 995 ₽
➜ Пройти курс на Mentorix
🎁 25 курсов бесплатно — доступны после регистрации
Хотите запускать AI-агентов десятков команд в одном кластере так, чтобы агент поддержки не дотянулся до базы биллинга, а ночной пакет одной команды не съел лимит провайдера? Этот курс — путь от модели угроз до платформы целиком.
• Изоляция: gVisor и Kata, NetworkPolicy, egress-прокси
• Команды: namespace, RBAC, квоты, очередь пакетных агентов
• Оператор ресурса Agent на Go
• Шлюз моделей: OpenAI и Anthropic, бюджеты команд, vLLM
• MCP как услуга платформы, секреты агентов
• Релизы с канарейкой, OpenTelemetry, приёмка на сбоях
🧩 91 лаба на живом Kubernetes 1.35 — свой кластер, ключи и GPU не нужны
🎓 Сертификат для резюме и LinkedIn
🏷 Скидка 50% — до 25 октября
➜ Пройти курс на Mentorix
🎁 25 курсов бесплатно — доступны после регистрации
📊 Разбор задачи про быстрый CPU-инференс на 39 млн строк биржевых данных (Alfa Connectome)
Для тех, кто ищет сложную задачу по временным рядам (Time Series / Sequence Modeling) в портфолио или рассматривает переход в финтех и HFT, сейчас идет финальный месяц соревнования Alfa Connectome от Wunder Fund. На текущий момент в лидерборде уже около 15 000 сабмишенов, а плотность результатов в топе наглядно показывает специфику работы квантов.
Что интересного с точки зрения ML-инжиниринга:
1) Кросс-инструментальная динамика без ручного тюнинга фичей
Данные (train.parquet и valid.parquet) представляют собой нарезку по 20 000 последовательных состояний ордербуков и сделок. Признаки (N ~200) намеренно анонимизированы, чтобы убрать преимущество финансового домена и сфокусировать задачу исключительно на моделировании зашумленных нестационарных рядов. Нужно предсказывать два таргета (t0, t1), оцениваемых по взвешенной корреляции Пирсона (с клиппингом в [-2.0, 2.0]).
2) Жесткие требования к оптимизации кода:
Задача приближена к реальному продакшену в трейдинге. На этапе проверки код прогоняется на скрытом тесте из 39400000 строк. При этом контейнеру выделяется только 1 ядро CPU и 16 ГБ оперативной памяти (GPU нет), а уложиться нужно в 60 минут. При сбросе состояния модели на каждой новой последовательности (seq_ix) код должен отрабатывать доли миллисекунды на шаг.
Организационные моменты и профит:
• Участвовать можно индивидуально или в команде до 5 человек (объединение команд открыто до 1 ноября).
• Прием решений закрывается 15 ноября, после чего до 1 декабря пройдет валидация на приватном пуле данных.
• Первые 8 мест делят призовой фонд в $13,600 (от $5,000 за первое место до $600 за восьмое). Кроме того, авторы сильных технических решений получают инвайт на собеседование в сам фонд.
Спецификация данных, правила и текущий лидерборд доступны на платформе: https://wundernn.io/
Для тех, кто ищет сложную задачу по временным рядам (Time Series / Sequence Modeling) в портфолио или рассматривает переход в финтех и HFT, сейчас идет финальный месяц соревнования Alfa Connectome от Wunder Fund. На текущий момент в лидерборде уже около 15 000 сабмишенов, а плотность результатов в топе наглядно показывает специфику работы квантов.
Что интересного с точки зрения ML-инжиниринга:
1) Кросс-инструментальная динамика без ручного тюнинга фичей
Данные (train.parquet и valid.parquet) представляют собой нарезку по 20 000 последовательных состояний ордербуков и сделок. Признаки (N ~200) намеренно анонимизированы, чтобы убрать преимущество финансового домена и сфокусировать задачу исключительно на моделировании зашумленных нестационарных рядов. Нужно предсказывать два таргета (t0, t1), оцениваемых по взвешенной корреляции Пирсона (с клиппингом в [-2.0, 2.0]).
2) Жесткие требования к оптимизации кода:
Задача приближена к реальному продакшену в трейдинге. На этапе проверки код прогоняется на скрытом тесте из 39400000 строк. При этом контейнеру выделяется только 1 ядро CPU и 16 ГБ оперативной памяти (GPU нет), а уложиться нужно в 60 минут. При сбросе состояния модели на каждой новой последовательности (seq_ix) код должен отрабатывать доли миллисекунды на шаг.
Организационные моменты и профит:
• Участвовать можно индивидуально или в команде до 5 человек (объединение команд открыто до 1 ноября).
• Прием решений закрывается 15 ноября, после чего до 1 декабря пройдет валидация на приватном пуле данных.
• Первые 8 мест делят призовой фонд в $13,600 (от $5,000 за первое место до $600 за восьмое). Кроме того, авторы сильных технических решений получают инвайт на собеседование в сам фонд.
Спецификация данных, правила и текущий лидерборд доступны на платформе: https://wundernn.io/